面向光照魯棒的目標(biāo)識別的方法研究.pdf

1、目標(biāo)識別是計算機視覺領(lǐng)域中的經(jīng)典技術(shù)，它旨在將圖像中的目標(biāo)部分進行充分提取。圖像增強算法作為該技術(shù)的核心支持算法，通常從頻率域和空間域?qū)D像的信息進行提取。然而，傳統(tǒng)的算法往往以全局處理的方式對圖像進行處理，該方法對存在物體遮擋和光照變化顯著的圖像效果欠佳。針對上述問題，基于人類視覺系統(tǒng)建立的色彩恒常性Retinex理論在細節(jié)增強、顏色保真和動態(tài)范圍壓縮等方面有著較為明顯的優(yōu)勢。在此基礎(chǔ)上，本文對Retinex算法進行了深入研究，提出了

2、魯棒性較強的圖像處理算法，該算法對于光照變化顯著的圖像仍然有著較好的增強結(jié)果。本文的主要研究內(nèi)容和創(chuàng)新點如下:
　　針對基于Retinex理論的中心環(huán)繞算法經(jīng)常出現(xiàn)的“光暈偽影”問題，本文在對引導(dǎo)濾波進行深入研究的基礎(chǔ)上，實現(xiàn)了基于引導(dǎo)濾波的圖像增強算法，有效地消除了高對比度圖像邊緣的光暈現(xiàn)象。
　　(1)針對傳統(tǒng)算法中圖像細節(jié)增強和顏色保真無法兼顧以及圖像處理后的噪聲放大問題，本文改進了色彩恢復(fù)函數(shù)，實現(xiàn)了基于引導(dǎo)濾波的多

3、尺度Retinex圖像增強算法，有效地平衡了圖像細節(jié)增強和顏色保真問題。
　　(2)針對目標(biāo)識別環(huán)節(jié)中在光照條件下穩(wěn)定性較弱的問題，本文選取了光照魯棒性和實時性俱佳的SURF特征算子對特征進行提取，并且取消了傳統(tǒng)的基于規(guī)則網(wǎng)格的提取方法。該特征算法有效地減少了圖像的冗余信息（背景），顯著地增強了圖像的有效信息。同時，本文將該特征算子與空間金字塔模型、SVM分類器進行結(jié)合，并且進行了直方圖權(quán)重優(yōu)化，進一步提升了系統(tǒng)光照魯棒性。

4、>　　(3)設(shè)計和搭建了針對Android系統(tǒng)的平臺且面向光照魯棒性的實時目標(biāo)識別框架，開發(fā)出基于Android系統(tǒng)移動設(shè)備的目標(biāo)識別軟件，并將該軟件應(yīng)用于實際場景的目標(biāo)識別。
　　最后，在海量數(shù)據(jù)庫中進行了充分的實驗。實驗結(jié)果表明，相比于其它傳統(tǒng)方法，本文的模型可以有效地解決噪聲污染問題、高對比度圖像邊緣的光暈偽影問題。而且，本文的算法可以有效地提升色彩保真度和光照變化顯著條件下的目標(biāo)識別率。除此之外，基于Android平臺的目